实时互动网
·
Google 发布 Gemini 3.5 Live Translate：一款支持 70 多种语言的流式语音翻译音频模型
内容提要
谷歌推出了Gemini 3.5实时翻译模型，支持70多种语言的语音翻译。该模型采用连续流处理，翻译内容滞后几秒，适用于会议和通话场景。开发者可通过Live API配置功能，支持音频输入和输出，未来将应用于Google Meet和Translate应用中。
关键要点
-
谷歌推出了Gemini 3.5实时翻译模型，支持70多种语言的语音翻译。
-
该模型采用连续流处理，翻译内容滞后几秒，适用于会议和通话场景。
-
开发者可通过Live API配置功能，支持音频输入和输出，使用targetLanguageCode和echoTargetLanguage参数。
-
该功能已应用于Google Meet和Translate应用中，支持语言组合从5种扩展至70多种。
-
所有生成的音频均带有不可察觉的SynthID水印，以便进行检测。
延伸解读
实时翻译的应用场景
Gemini 3.5实时翻译模型适用于多种场景，如多语言通话、会议和课程等。这种灵活性使其在全球化交流中具有重要价值，尤其是在需要即时沟通的情况下。开发者可以利用Live API集成该功能，提升用户体验。
技术优势与挑战
该模型采用连续流处理，能够在说话者发言时实时翻译，减少了传统逐句翻译的延迟。然而，翻译内容仍会滞后几秒，用户在使用时需注意这一点，以免影响沟通流畅性。
开发者的配置灵活性
通过Live API，开发者可以灵活配置翻译功能，包括选择目标语言和控制音频输入输出。这种高度自定义的能力使得不同应用场景下的需求都能得到满足，提升了开发效率。
延伸问答
Gemini 3.5实时翻译模型支持哪些语言？
Gemini 3.5实时翻译模型支持70多种语言的语音翻译。
Gemini 3.5的翻译延迟是怎样的？
翻译内容比说话者滞后几秒，适用于会议和通话场景。
开发者如何使用Gemini 3.5的Live API？
开发者可通过Live API配置功能，使用targetLanguageCode和echoTargetLanguage参数进行设置。
Gemini 3.5实时翻译模型的应用场景有哪些？
该模型适用于多语言通话、会议、课程和广播等场景。
Gemini 3.5如何处理音频输入和输出？
输入为原始16位PCM音频，采样率为16kHz，输出为24kHz的音频。
Google Meet将如何利用Gemini 3.5进行翻译？
Google Meet将使用Gemini 3.5进行语音翻译，支持语言组合从5种扩展至70多种。
